Real-time Neural Dense Elevation Mapping for Urban Terrain with Uncertainty Estimations

要約

地形情報についての十分な知識を持つことは、複雑な地形におけるさまざまな下流タスク、特に脚式ロボットの移動とナビゲーションのパフォーマンスを向上させるために不可欠です。
不確実性推定を使用したニューラル都市地形再構築のための新しいフレームワークを提案します。
まばらな LiDAR 観測から高密度のロボット中心の標高マップをオンラインで生成します。
私たちは、複数の点群フレームを統合する際に高い堅牢性と計算効率を保証する、新しい前処理と点特徴表現のアプローチを設計します。
その後、ベイジアン GAN モデルは詳細な地形構造を復元すると同時に、ピクセルごとの再構成の不確実性を提供します。
私たちは、広範なシミュレーションと実際の実験を通じて、提案されたパイプラインを評価します。
これは、モバイル プラットフォーム上で高品質かつリアルタイムのパフォーマンスを備えた効率的な地形再構築を実証し、脚式ロボットの下流タスクにさらに利益をもたらします。
(詳細については、https://kin-zhang.github.io/ndem/ を参照してください。)

要約(オリジナル)

Having good knowledge of terrain information is essential for improving the performance of various downstream tasks on complex terrains, especially for the locomotion and navigation of legged robots. We present a novel framework for neural urban terrain reconstruction with uncertainty estimations. It generates dense robot-centric elevation maps online from sparse LiDAR observations. We design a novel pre-processing and point features representation approach that ensures high robustness and computational efficiency when integrating multiple point cloud frames. A Bayesian-GAN model then recovers the detailed terrain structures while simultaneously providing the pixel-wise reconstruction uncertainty. We evaluate the proposed pipeline through extensive simulation and real-world experiments. It demonstrates efficient terrain reconstruction with high quality and real-time performance on a mobile platform, which further benefits the downstream tasks of legged robots. (See https://kin-zhang.github.io/ndem/ for more details.)

arxiv情報

提供元, 利用サービス

arxiv.jp, Google